随着互联网技术的普及和移动终端的广泛应用,在线社交网络在人们的日常生活中所占据的比重越来越大。开展针对社交网络中热点话题的态势感知技术的研究,可以获取话题信息的传播规律,一方面利于深化对网络结构和用户群体行为的认知,一方面能够对于网络舆情引导起到良好的作用,因此热点话题态势感知技术的研究具有重要的理论价值。本论文从在线社交网络的角度出发,结合其主题多样化、数据规模大、动态演化和非线性等主要特点,针对社交网络中参与热点话题的用户群体行为以及宏观角度下热点话题的舆情态势变化进行了研究。本论文的主要研究工作和贡献如下:1.针对社交网络中热点话题下参与用户复杂的参与行为,提出并设计了一种用户转发行为预测模型。首先,采用个人驱动机制和社交驱动机制,并从中提取用户参与行为的影响因子。其次,选取RBF神经网络构建用户转发行为预测模型。由于用户属性与转发行为之间的映射关系具有不确定性,引入模糊数学中的云理论对其进行优化并提出一种C-RBF神经网络预测模型,既能充分表达用户转发行为的模糊性及随机性,又能对于非线性关系起到良好的拟合能力。2.针对热点话题的趋势发展,应用指数平滑法可以准确客观地预测微博话题的变化趋势,为下一步的决策制定提供参考。由于话题数据的复杂程度高,指数平滑法能够有效消除数据波动的影响,符合数据的走向趋势。其次,基于传统的指数平滑模型的基础,根据话题数据具有动态变化的特点,在预测过程中根据话题数据的实际变化趋势调整平滑系数,这使得该预测模型能够实时跟踪数据的趋势走向并实现高度自适应的特性。最后,通过腾讯微博的真实数据集进行实验验证。实验表明,本论文采用并优化后的模型和算法不仅能够结合在线社交网络中的拓扑结构及用户特征属性,还能够从宏观角度分析并理解热点话题作用原理和传播机制,预测热点话题传播的动态变化趋势,能够对网络舆情引导起到重要的理论指导意义,同时对话题信息推荐、网络市场营销等方面也具有重要的应用价值。